孟明 朱俊青 佘青山 马玉良 罗志增

多类运动想象脑电信号的两级特征提取方法

孟明1朱俊青1佘青山1马玉良1罗志增1

共同空间模式(Common spatial pattern,CSP)是运动想象脑机接口(Brain-computer interface,BCI)中常用的特征提取方法,但对多类任务的分类正确率却明显低于两类任务.通过引入堆叠降噪自动编码器(Stacked denoising autoencoders,SDA),提出了一种多类运动想象脑电信号(Electroencephalogram,EEG)的两级特征提取方法.首先利用一对多CSP(One versus rest CSP,OVR-CSP)将脑电信号变换到使信号方差区别最大的低维空间,然后通过SDA网络提取其中可以更好表达类别属性的高层抽象特征,最后使用Softmax分类器进行分类.在对BCI竞赛IV中Data-sets 2a的4类运动想象任务进行的分类实验中,平均Kappa系数达到0.69,表明了所提出的特征提取方法的有效性和鲁棒性.

脑机接口,特征提取,共同空间模式,堆叠降噪自动编码器

DOI10.16383/j.aas.2016.c160122

通过大脑神经活动来控制一些外部辅助设备(轮椅、服务机器人等),是使脊髓损伤、肌萎缩脊髓侧索硬化、脑瘫等严重神经肌肉障碍患者在一定程度上恢复其交流和运动能力的有效途径[1].脑机接口(Brain-computer interface,BCI)正是这样一种不依赖人体神经和肌肉组织的正常传输通路,而直接进行人脑与外界之间信息交流的新通道.人在进行不同肢体运动或想象时,在大脑皮层运动感知区会产生特定的自发性的脑电信号(Electroencephalogram,EEG)[2].运动想象型BCI通过捕捉和识别不同运动想象任务时的EEG,来实现大脑和外界的信息交换和控制.如何从高度复杂的运动想象EEG中提取出能有效识别运动任务的特征,对于BCI系……